Application Research of Genetic Neural Network in Seismic Intensity Evaluation
-
摘要: 准确判定极震区烈度是震后应急工作高效开展的重要基础。收集1966—2017年发生在中国大陆地区MS 5.0以上有详细烈度记录的地震事件322例，选取与极震区烈度有关的7个因子进行主成分分析，将提取的主成分确定为BP神经网络的输入，极震区烈度为输出，在遗传算法优化的基础上，构建用于极震区烈度预测的BP神经网络模型。结果显示，与传统模型相比，神经网络模型在预测误差分布、精度和预测结果正确率等方面都具有明显的优越性。Abstract: Accurate and rapid determination of seismic intensity in meizoseismal area is an important basis for efficient post-earthquake emergency work. In this paper, 322 earthquake events of MS 5.0 or more occurred in the mainland of China are collected. Seven factors related to the intensity of the epicenter are selected and principal component analysis is carried out. The extracted principal component is determined as the input of BP neural network when the intensity of the epicenter is the output of the network. Based on the optimization of genetic algorithm, a model for intensity prediction in epicentral area is constructed. Finally, the new model is compared with three traditional ones, and the results show that the neural network model constructed in this paper has obvious advantages in prediction error distribution, accuracy, as well as correctness of prediction.
-
引言
剪切波速是表征场地土特性的重要参数，对于场地类别划分、砂土液化、软土震陷判别等至关重要。在实际工程建设中，受剪切波速测试环境、场地范围、经济等因素的影响，某些岩土中出现剪切波速数值缺失的情况，此时工程者往往采用经验统计模型进行剪切波速数值的补充。
目前学者已研究众多常规土类剪切波速与埋深间关系的经验统计模型，如王琦等（2018）基于天津地区地震安全性评价的实测剪切波速资料，采用幂函数模型，定性探讨了常见土类剪切波速与埋深的相关性；荣棉水等（2017）利用非线性最小二乘法，采用指数函数、一次函数、二次函数、幂函数、幂函数+常数函数、幂函数+一次函数6种回归模型对渤海海域7类土剪切波速和埋深的关系进行回归分析，指出最优模型为幂函数+一次函数模型；董菲蕃等（2013）基于福建沿海福州、泉州、漳州3个盆地大量的剪切波速实测资料，利用线性和二次多项式拟合得到各盆地5类土体等效剪切波速的空间分布特征；刘红帅等（2010）基于全国区域范围的实测钻孔资料，利用最小二乘法分别采用线性模型、指数模型和一元二次多项式模型建立分场地类别和不分场地类别下的常规土类（不包括淤泥质土）碎石土、砂土、粉土和黏性土剪切波速与埋深间的统计公式；战吉艳等（2009）利用苏州地区实测钻孔剪切波速资料进行研究，结果表明对于土层深度不大于50m的粘土和不小于40m的粉土，可采用幂函数形式模型的经验关系预测场地土剪切波速与土层深度的关系，对于粉质粘土和土层深度不小于40m的粉砂，可采用线性函数、幂函数分段形式模型的经验关系进行预测。经验公式受土层区域特性的影响显著，如乔峰等（2019）利用北京地区实测剪切波速资料建立的5种常见土类剪切波速与埋深之间关系的推荐模型，与利用全国数据建立的模型进行对比分析，指出区域性对剪切波速与深度之间的相关性存在影响；王琦等（2018）也研究指出剪切波速与埋深的经验公式受土层区域特性的影响显著。
由此可知，受地区土层差异性或模型关系影响，未统一给出相关的经验公式（荣棉水等，2017）。因此，选取合适的统计模型并建立合理的经验公式成为关键。
影响岩土剪切波速的主要因素为岩土类型、成因、物理状态和埋深（程祖锋等，1997）。很多学者也进行了相关性研究，如闫振军等（2019）通过华北地区10个城市928个钻孔的剪切波速从岩性条件、沉积环境等方面分析探讨了华北地区剪切波速随深度变化的特征；薛锋等（2014）给出考虑西安市地貌单元的细砂、中砂、粗砂、黄土、粉质粘土、古土壤、卵石等土类剪切波速与土层深度统计经验关系式；刘红帅等（2010）基于全国范围的实测钻孔资料，给出区分场地类别和不区分场地类别的情况下常规土类（不包括淤泥质土）碎石土、砂土、粉土和黏性土剪切波速与埋深之间的统计公式。
近年来，杭州作为长三角区域经济发展的重要城市，在城市建设中开展了大量地震安全性评价工作，积累了丰富的剪切波速资料。基于以上研究背景，考虑场地未明确土体物理状态的不利条件、建筑物场地类别在一定程度上反映了土的成因和物理状态以及国内学者在此方面的研究，本文利用现行3种最常规的剪切波速与埋深关系的经验模型进行分析，给出杭州市粉质粘土、淤泥质粉质粘土、粉砂、砂质粉土和粘质粉土5类典型土层在考虑场地分类和未考虑场地分类下的最优模型和相关系数，以供工程和研究参考。
1. 杭州市地质地貌概况
浙江省地貌单元可划分为浙西中山丘陵区、浙中盆地区、浙北平原区、浙东低山丘陵区、浙南中山区和浙东南沿海丘陵平原与岛屿区，杭州市位于浙西北地区，其西部（如临安和桐庐地区）属于浙西中山丘陵区；西南、西北山区属于中生代断块隆起；东部属于浙北平原区，地势低平，河流密集。杭州市工程地质单元主要以第四系地层为主，因新构造运动的影响，第四纪沉积成因类型繁多，沉积物的多次交替堆积和剥蚀，使得杭州地区覆盖层厚度变化较大（丁伯阳等，2012）。工程地质层主要包括前第四系和更新系统以来的第四系，前第四系（AnQ）主要由石灰岩、泥岩、砂岩等表征的基岩土层构成，第四系主要由中更新统、上更新统、全新统组成，成因类型主要有冲积相、冲湖积、湖沼积、冲海积、冲湖积、海积、冲积等，土类主要以稍密的砂质粉土、流塑的淤泥质土、硬塑或软塑的粘土和中密的粉细砂为主（浙江省住房和城乡建设厅，2019）。
2. 数据来源
本文收集了杭州市2011—2016年以来开展的地震安全性评价工作中98个项目报告的296个钻孔资料，钻孔分布示意如图 1所示。场地类别以Ⅱ、Ⅲ、Ⅳ类为主，场地分类方法参照《建筑抗震设计规范》（GB 50011—2010）（中华人民共和国住房和城乡建设部，2016）公式4.1.5和表4.1.6确定，场地土类型主要为中硬土、中软土和软弱土，中硬土场地主要分布于临安、富阳地区，覆盖层厚度以4—20m为主；中软土场地分布于主城区，覆盖层厚度约为30—60m，个别钻孔深度达100m；软弱土场地主要分布于钱塘江附近。因Ⅳ类场地钻孔数较少，本文未展开研究。本次场地钻孔土层剪切波速测试均采用单孔法，波速测试间距为1m。钻孔土类主要以粉质粘土、淤泥质粉质粘土、粉砂、砂质粉土和粘质粉土为主，因此，汇总上述5类土的土层埋深点与对应剪切波速值，分别研究场地未分类和分类（Ⅱ、Ⅲ）下的剪切波速随埋深变化的关系，不同土类剪切波速分布范围如表 1所示。
表 1 研究区不同土类剪切波速的分布范围Table 1. Distribution ranges of shear wave velocity of different soils in study area岩性 粉质粘土 淤泥质粉质粘土 粉砂 砂质粉土 粘质粉土 场地类别 总计 Ⅱ Ⅲ 总计 Ⅱ Ⅲ 总计 Ⅱ Ⅲ 总计 Ⅱ Ⅲ 总计 Ⅱ Ⅲ 测试点数 1915 324 1591 902 31 871 383 17 366 904 88 816 330 69 261 最小值/m·s-1 115 115 117 98 102 98 134 134 139 112 122 112 112 116 112 最大值/m·s-1 390 348 390 245 215 245 357 303 357 339 310 339 321 321 270 平均值/m·s-1 249.4 203.4 258.8 153.9 139.5 154.4 227.5 255.0 226.2 163.1 202.4 158.9 154.2 165.0 151.3 标准差/m·s-1 59.0 62.9 53.6 29.1 30.9 28.9 54.5 42.7 54.7 37.0 56.5 31.5 32.8 45.8 27.8 测试深度/m 2—78 2—44 2—78 2—46 4—24 2—46 1—56 1—30 5—56 1—57 1—34 1—57 2—44 2—36 2—44 3. 剪切波速与埋深关系模型
众多研究结果表明，剪切波速与埋深的关系可用线性函数、多项式函数、幂函数、幂函数+常函数等众多模型表示，本文选取常见的3种经验模型进行分析，分别为线性函数模型Vs=a+bH、二次函数模型Vs=a+bH+cH2、常函数+幂函数模型Vs=a+bHc，其中Vs为土体剪切波速，a、b、c分别为拟合系数。通过Origin统计分析功能，分别给出5类土的回归曲线及相关系数，最终采用拟合优度R2选出适合本地区的拟合模型，拟合优度为0＜R2＜1，R2越接近1时，拟合效果越佳。
4. 杭州市典型岩土层剪切波速与埋深关系模型分析
为更好地展示剪切波速与埋深的关系，首先绘制296个钻孔（不包括Ⅳ类场地）中粉质粘土、淤泥质粉质粘土、粉砂、砂质粉土和粘质粉土波速与埋深散点图，发现深度相近时剪切波速相差较大，总结原因为：剪切波速测试受环境和仪器精度的影响，出现个别坏点；因土体状态导致剪切波速相差较大，即受软硬夹层的影响。考虑回归分析仅能反映一般土质条件下的统计关系（董菲蕃等，2013；陈国兴等，1998），因此本文首先对于个别离散趋势较大的点和软硬夹层的剪切波速，参照董菲蕃等（2013）、陈国兴等（1998）的方法进行相关性处理，处理完成的数据如图 2所示。由图 2可知，总体上，剪切波速与埋深具有显著的相关性，即剪切波速随埋深具有明显的增长趋势。采用3种统计关系模型分别对不同场地分类情况下的5类土进行回归分析，拟合趋势如图 3—7所示，拟合优度如表 2所示，分布情况如图 8所示，为表达简洁，分别给出各土类在不同模型下的拟合工况编号，具体如表 2所示。
图 2 296个钻孔资料中5类常规土剪切波速与埋深散点图Figure 2. Scatter diagram of shear wave velocity and buried depth of five types of conventional soils in 296 borehole data
图 3 不同场地分类情况下粉质粘土剪切波速与埋深散点图Figure 3. Scatter diagrams of shear wave velocity and buried depth of silty clay under different site classifications
图 4 不同场地分类情况下淤泥质粉质粘土剪切波速与埋深散点图Figure 4. Scatter diagram of shear wave velocity and buried depth of mucky silty clay under different site classifications
图 5 不同场地分类情况下粉砂剪切波速与埋深散点图Figure 5. Scatter diagram of shear wave velocity and buried depth of silty sand under different site classifications
图 6 不同场地分类情况下砂质粉土剪切波速与埋深散点图Figure 6. Scatter diagram of shear wave velocity and buried depth of sandy silt under different site classifications
图 7 不同场地分类情况下粘质粉土剪切波速与埋深散点图Figure 7. Scatter diagram of shear wave velocity and buried depth of clayey silt under different site classifications表 2 不同场地分类情况下5类土拟合优度Table 2. Goodness of fitting of five types of soil under different site classification岩土类型 工况 R2 场地未分类 Ⅱ类场地 Ⅲ类场地 粉质粘土 FN1 0.86870 0.95298 0.86330 FN2 0.88890 0.95301 0.87860 FN3 0.89140 0.95284 0.88130 淤泥质粉质粘土 YN1 0.86130 0.87627 0.86470 YN2 0.86560 0.90946 0.86850 YN3 0.86460 0.90960 0.86770 粉砂 FS1 0.83000 0.95942 0.83480 FS2 0.84820 0.95659 0.84980 FS3 0.84140 0.95670 0.84540 砂质粉土 SF1 0.88030 0.97654 0.91490 SF2 0.88110 0.97672 0.91530 SF3 0.88020 0.97725 0.91550 粘质粉土 NF1 0.83070 0.95183 0.92820 NF2 0.83860 0.95568 0.92910 NF3 0.83520 0.95554 0.92810 
图 8 不同场地分类情况下5类土拟合优度Figure 8. Goodness of fitting of five types of soils under different site classification由图 8可知，总体上，Ⅱ类场地拟合优度均大于场地未分类和Ⅲ类场地，由图 2—7可知，Ⅱ类场地下各类土拟合数据样本量较少，这可能是导致拟合情况较好的原因。只有粘质粉土Ⅲ类场地的拟合优度明显优于场地未分类，淤泥质粉质粘土、粉砂和砂质粉土则相差不明显，而粉质粘土却相反，说明受岩土类型的影响，考虑场地分类因素并不一定减少误差或提高预测精度。考虑不同工程实际状况的需要，表 3给出场地未分类、Ⅱ类场地和Ⅲ类场地下5类常规土关系公式、残差标准差、适应范围和拟合优度，以供使用选择。
表 3 各场地类型下不同岩土类型的推荐模型Table 3. Recommended models for different geotechnical types under different site types岩土类型 场地类别 推荐模型 回归方程 残差标准差 R2 适应范围/m 粉质粘土 Ⅱ类 模型2 ${v_s} = 112.4398 + 5.9058H - 0.0077{H^2}$ 13.58 0.9530 2—44 Ⅲ类 模型3 ${v_s} = 86.5602 + 18.7249{H^{0.6352}}$ 18.45 0.8813 2—78 场地未分类 模型3 ${v_s} = 85.5503 + 21.3380{H^{0.6041}}$ 19.44 0.8914 2—78 淤泥质粉质粘土 Ⅱ类 模型2 ${v_s} = 104.8362 + 0.2524{H^{1.9230}}$ 8.83 0.9096 4—24 Ⅲ类 模型2 ${v_s} = 90.5189 + 4.1075H - 0.0227{H^2}$ 10.46 0.8685 2—46 场地未分类 模型2 ${v_s} = 89.9598 + 4.1857H - 0.0245{H^2}$ 10.65 0.8656 2—46 粉砂 Ⅱ类 模型1 ${v_s} = 130.5509 + 5.6417H$ 8.08 0.9594 1—30 Ⅲ类 模型2 ${v_s} = 100.2213 + 7.3496H - 0.0521{H^2}$ 18.79 0.8498 5—56 场地未分类 模型2 ${v_s} = 98.7936 + 7.5598H - 0.0558{H^2}$ 21.19 0.8482 1—56 砂质粉土 Ⅱ类 模型3 ${v_s} = 112.9768 + 4.1008{H^{1.1103}}$ 8.37 0.9773 1—34 Ⅲ类 模型3 ${v_s} = 120.9837 + 3.0980{H^{1.0546}}$ 18.45 0.9155 1—57 场地未分类 模型2 ${v_s} = 113.5888 + 4.5896H - 0.0079{H^2}$ 12.73 0.8811 1—57 粘质粉土 Ⅱ类 模型2 ${v_s} = 115.3530 + 4.2818H + 0.0461{H^2}$ 9.42 0.9551 2—36 Ⅲ类 模型2 ${v_s} = 121.1832 + 2.7579H + 0.0110{H^2}$ 7.39 0.9291 2—44 场地未分类 模型2 ${v_s} = 123.4666 + 2.4199H - 0.0354{H^2}$ 13.14 0.8386 2—44 5. 模型验证
为进一步验证本文推荐模型的可靠性和地区差异性，首先选取未进入统计的新建杭州至黄山铁路（Ⅱ类场地）和钱江新城二期连堡丰城项目（Ⅲ类场地）钻孔资料，将本文推荐模型预测的剪切波速与本地实测钻孔剪切波速进行对比分析，其中相对误差表示预测值与实测值之差占实测值的比值；然后选取国内学者发布的粉质粘土和粉砂剪切波速统计模型，将本文推荐模型与其他模型进行对比分析，以研究地区差异性影响，其中相对误差表示学者模型预测剪切波速与本文模型预测值之差占本文模型预测值的比值。
5.1 可靠性验证
（1）Ⅱ类场地对比分析结果如表 4所示，由表 4可知，Ⅱ类场地推荐模型和场地未分类推荐模型下的剪切波速预测值相对误差均在15%以内，最小相对误差仅为0.07%，最大相对误差为14.14%，具有良好的可靠性表现。且考虑场地分类与不考虑场地分类的剪切波速预测精度因岩土类型的不同产生了差异，相比其他土类，淤泥质粉质粘土明显表示出未考虑场地分类的剪切波速预测精度优于考虑场地类别，有别于回归分析中相差不大的规律，说明统计模型的实际预测精度也受岩土类型的影响。
表 4 Ⅱ类场地实测剪切波速与预测值的对比分析Table 4. Comparative analysis of measured shear wave velocity and predicted value of site Ⅱ岩土类型 钻孔编号 深度
/m实测剪切波速
/m·s-1Ⅱ类场地预测值
/m·s-1相对误差
/%场地未分类预测值
/m·s-1相对误差
/%粉质粘土 JZ1 3 130 130 0.07 127 -2.32 JZ1 5 143 142 -0.84 142 -0.72 JZ-Ⅳ 8 152 159 4.76 160 5.58 JZ-Ⅳ 24 222 250 12.68 231 4.09 JZ-Ⅳ 27 263 267 1.44 242 -8.06 粉砂 JZ1 29 278 278 -0.06 249 -10.54 JZ1 24 233 266 14.14 248 6.48 JZ1 26 286 277 -3.06 258 -9.92 淤泥质粉质粘土 JZ-Ⅳ 16 154 157 1.97 151 -2.17 JZ-Ⅳ 17 145 163 12.75 154 6.23 JZ-Ⅳ 19 159 177 11.62 161 1.03 （2）将推荐模型应用于Ⅲ类场中6个实测深度均超过50m的钻孔DZ1—DZ6场地。对Ⅲ类场地和场地未分类下的预测剪切波速与实测数据进行对比分析，结果如图 9所示。由图 9可知，除淤泥质粉质粘土在23m预测相对误差超过15%外，本文推荐模型预测出的剪切波速与实测剪切波速相对误差基本在15%以内，最小相对误差仅为0.02%，且各土类相对误差10%内的占比达90%以上，具有较高的预测可靠性；区别于Ⅱ类场地，Ⅲ类场中各岩土类型下考虑场地分类的剪切波预测值与未考虑场地分类的相对误差相差不大，但粉质粘土在整个预测深度范围内均表现出未考虑场地分类的预测值略优于考虑场地分类的预测值，而粉砂在25—27m、淤泥质粉质粘土在21—24m也表示出此规律，再次说明因岩土类型和预测深度的不同，考虑场地分类因素能否在实际工程中提高预测精度具有不确定性，应具体项目具体分析。
图 9 Ⅲ类场地实测剪切波速与预测值的对比分析图Figure 9. Comparative analysis of measured shear wave velocity and predicted value of site Ⅲ通过上述对Ⅱ、Ⅲ类场地实测剪切波速的验证，可知虽然个别土类相对误差将近20%（淤泥质粉质粘土），但超过90%的预测剪切波速相对误差在10%以内，因此用本文推荐模型预测出的剪切波速具有较高的可靠性。
5.2 地区差异性分析
为验证本文推荐模型与其他地区模型的差异，选取最常见的粉质粘土、粉砂，与国内学者研究的模型进行对比分析。选取模型主要包括荣棉水等（2017）基于渤海常见土类剪切波速资料统计分析给出的粉质粘土、粉砂模型，刘红帅等（2010）根据全国大量安全性评价实测钻孔资料统计给出的粉质粘土、粉砂模型及战吉艳等（2009）给出的苏州城区粉质粘土、粉砂模型。为表达简洁，分别用场地未分类、Ⅱ类场地和Ⅲ类场地代表本文推荐模型，渤海-Rong代表荣棉水等（2017）模型，用未分类-Liu、Ⅱ类-Liu和Ⅲ类-Liu代表刘红帅等（2010）模型中场地未分类、Ⅱ类场地和Ⅲ类场地下的经验模型，用苏州-Zhan代表战吉艳等（2009）模型。对比分析结果如图 10、11所示。
图 10 粉质粘土下本文模型与其他模型剪切波速对比分析图Figure 10. Comparative analysis of shear wave velocity of the model proposed in this paper and other models of silty clay
图 11 粉砂下本文模型与其他模型剪切波速对比分析图Figure 11. Comparative analysis of shear wave velocity of the model proposed in this paper and other models of silty sand由图 11（a）可知，总体上，在所有场地分类情况下，杭州地区粉质粘土推荐模型的剪切波速预测值明显低于刘红帅等（2010）模型，而与渤海-Rong、苏州-Zhan在部分深度上相差不明显，且在图 11（b）中也有体现：渤海-Rong与本文模型相对误差基本在5%以内，苏州-Zhan在2—29m和本模型相对误差在15%以内，而与刘红帅等（2010）模型在场地未分类情况下的相对误差为18%—51%、Ⅱ类场地下为17%—41%、Ⅲ类场地下为18%—41%，均体现了较大的差异性。说明受地区的影响，粉质粘土不同统计模型具有明显的地区差异性，因此建议应用者在选取模型时，应特别注意地区适应性。
由图 12可知，总体上，杭州地区粉砂剪切波速预测模型与粉质粘土相比表现出不同的规律性，即本文推荐粉砂模型与其他学者模型表现出更好的一致性，图 12（b）相对误差中也有所体现，即当预测深度超过10m后，各模型相对误差均在20%以内，说明受岩土类型的影响，不同岩土类型对地区的适应性不同。值得注意的是，在0—10m，渤海-Rong、未分类-Liu和Ⅲ类-Liu相对误差均较大，最大相对误差达39.1%，这也说明预测深范围会对模型的地区适应性产生影响。
综上可知，剪切波速与埋深间统计公式的地区差异性不仅受地区的影响显著，更与岩土类型、预测深度范围有关。
6. 结论
本文基于杭州市场地剪切波速资料，对杭州市粉质粘土、淤泥质粉质粘土、粉砂、砂质粉土和粘质粉土5类土的剪切波速与埋深经验关系进行相关性分析，主要结论如下：
（1）给出了杭州市5类土在考虑场地分类和未考虑场地分类情况下的最优拟合公式和适应范围，并对推荐模型进行了可靠性验证，对粉质粘土和粉砂进行了地区差异性分析。
（2）可靠性验证结果表明：本文剪切波速预测值与实测值相对误差均在20%以内，最小相对误差仅为0.02%，超90%的预测剪切波速相对误差在10%以内，具有较合理的可靠性。
（3）地区差异性分析结果表明：地区、岩土类型和预测深度均会对剪切波速预测模型的可靠性产生显著影响，故当地区无剪切波速资料时，应优先选用本地区统计模型，如若未有，则需选取已有资料，对选用模型进行岩土类型和适应预测深度范围验证，以保证所选模型的可靠性。
（4）预测模型回归分析结果表明：同一地区，场地分类并不一定提高经验模型的预测精度。受岩土类型和预测深度的影响，考虑场地分类因素能否在实际工程中提高预测精度也具有不确定性。
因本文统计模型未考虑土体的物理状态，所以仅适用于未确定土体物理状态的不利情况，需加强深入研究。
-
表 1 各成分贡献率及累积贡献率
Table 1. Contribution rate and cumulating contribution rate of each component
成分 特征值 贡献率/% 累积贡献率/% Q1 2.0680 29.5430 29.54 Q2 1.3824 19.7490 49.29 Q3 0.9396 13.4230 62.72 Q4 0.8565 12.2350 74.95 Q5 0.7146 10.2090 85.15 Q6 0.6861 9.8021 94.96 Q7 0.3528 5.0398 100.00 
下载: 导出CSV
表 2 选取的6个主成分因子载荷系数
Table 2. Lood factor of six principal components selected
指标 Q1 Q2 Q3 Q4 Q5 Q6 χ1 0.16412 0.41910 -0.75764 0.17834 0.41099 -0.13618 χ2 -0.00751 0.59456 0.44545 -0.31087 0.45350 0.36166 χ3 0.60009 -0.00592 0.09782 -0.17487 0.10146 -0.11982 χ4 0.37214 -0.15226 0.19900 0.76209 0.16748 0.42389 χ5 0.40596 0.30893 -0.21196 -0.17952 -0.68365 0.40464 χ6 -0.54154 0.10111 -0.21863 0.14641 -0.08768 0.52548 χ7 0.12785 -0.58478 -0.29267 -0.45445 0.33469 0.46558
下载: 导出CSV
表 3 极震区烈度神经网络仿真结果
Table 3. Neural network simulation of maximum intensity
地震名称 发震时间 极震区烈度/度 实际调查结果 神经网络仿真结果 新疆塔什库尔干5.5级 2017/05/11 7 7 内蒙古阿拉善左旗5.0级 2017/06/03 6 6 四川九寨沟7.0级 2017/08/08 9 9 新疆精河6.6级 2017/08/09 8 8 陕西宁强5.3级 2017/09/12 6 6 四川省青川县5.4级 2017/09/30 6 6 西藏米林6.9级 2017/11/18 8 8 重庆武隆5.0级 2017/11/23 6 6 吉林松原5.7级 2018/05/28 7 6 新疆伽师5.5级 2018/09/04 7 7
下载: 导出CSV
表 4 四种模型的预测结果
Table 4. Prediction results of four models
项目/% 神经网络模型 东西分区烈度衰减模型 区域烈度衰减模型 五代区划图烈度衰减模型 准确率 80 66 61 62 大于实际值 11 19 22 24 小于实际值 9 15 17 14
下载: 导出CSV
-
陈鲲, 俞言祥, 高孟潭, 2010. 考虑场地效应的ShakeMap系统研究. 中国地震, 26(1): 92—102. doi: 10.3969/j.issn.1001-4683.2010.01.009 胡旺, 张建, 陈维锋等, 2018. 基于神经网络的烈度衰减融合模型研究. 电子科技大学学报, 47(2): 224—229. doi: 10.3969/j.issn.1001-0548.2018.02.010 雷建成, 高孟潭, 俞言祥, 2006. 西南地区近代地震的震中烈度与有感半径的统计研究. 震灾防御技术, 1(2): 137—145. doi: 10.3969/j.issn.1673-5722.2006.02.007 雷建成, 高孟潭, 俞言祥, 2007. 四川及邻区地震动衰减关系. 地震学报, 29(5): 500—511. doi: 10.3321/j.issn:0253-3782.2007.05.007 刘军, 吕红山, 温和平等, 2014. 稳健回归模型在地震烈度衰减关系中的应用. 地震工程学报, 36(1): 114—119. doi: 10.3969/j.issn.1000-0844.2014.01.0114 马骏驰, 窦远明, 苏经宇等, 2005. 东南沿海地区震级与震中烈度的统计关系. 世界地震工程, 21(4): 119—122. doi: 10.3969/j.issn.1007-6069.2005.04.020 聂高众, 徐敬海, 2018. 基于震源深度的极震区烈度评估模型. 地震地质, 40(3): 611—621. doi: 10.3969/j.issn.0253-4967.2018.03.008 钱枫林, 崔健, 2013. BP神经网络模型在应急需求预测中的应用——以地震伤亡人数预测为. 中国安全科学学报, 23(4): 20—25. https://www.cnki.com.cn/Article/CJFDTOTAL-ZAQK201304005.htm 韶丹, 孙哲, 田勤虎, 2018a. 联合钻孔资料及地形数据估算宝鸡地区VS30. 地震地磁观测与研究, 39(1): 117—122. https://www.cnki.com.cn/Article/CJFDTOTAL-DZGJ201801020.htm 韶丹, 孙哲, 田勤虎等, 2018b. 中国大陆历史地震烈度统计. 地震地磁观测与研究, 39(4): 135—140. https://www.cnki.com.cn/Article/CJFDTOTAL-DZGJ201804017.htm 王鹤, 刘梦琳, 席振铢等, 2018. 基于遗传神经网络的大地电磁反演. 地球物理学报, 61(4): 1563—1575. https://www.cnki.com.cn/Article/CJFDTOTAL-DQWX201804030.htm 汪素云, 俞言祥, 高阿甲等, 2000. 中国分区地震动衰减关系的确定. 中国地震, 16(2): 99—106. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGZD200002000.htm 王晓军, 文毅, 鲁权等, 2012. 陕西分区烈度衰减关系研究. 灾害学, 27(4): 98—102, 113. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHXU201204023.htm 肖恭伟, 欧吉坤, 刘国林等, 2018. 基于改进的BP神经网络构建区域精密对流层延迟模型. 地球物理学报, 61(8): 3139—3148. https://www.cnki.com.cn/Article/CJFDTOTAL-DQWX201808004.htm 许卫晓, 杨伟松, 孙景江等, 2016. 震中烈度与震级和震源深度经验关系的统计回归分析. 自然灾害学报, 25(2): 139—145. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZH201602016.htm 赵士达, 张楠, 张斯文等, 2016. 基于LM-BP神经网络的地震直接经济损失快速评估方法研究. 地震研究, 39(3): 500—506. https://www.cnki.com.cn/Article/CJFDTOTAL-DZYJ201603020.htm 周中红, 何少林, 陈文凯等, 2011. 甘肃地区地震烈度影响场计算模型参数的改进研究与应用. 震灾防御技术, 6(2): 180—189. http://zzfy.eq-j.cn/zzfyjs/ch/reader/view_abstract.aspx?flag=1&file_no=20110210&journal_id=zzfyjs 朱林, 姜立新, 杨天青, 2015. BP神经网络模型在地震应急人员伤亡评估中的应用. 自然灾害学报, 24(6): 33—41. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZH201506004.htm Allen T. I., Wald D. J., 2007. Topographic slope as a proxy for seismic site-conditions (VS30) and amplification around the globe. Open-File Report 2007-1357, Reston, Virginia: U.S. Geological Survey. Wald D. J., Quitoriano V., Heaton T. H., et al., 1999. Trinet "ShakeMaps": rapid generation of peak ground motion and intensity maps for earthquakes in southern California. Earthquake Spectra, 15(3): 537—556. http://scitation.aip.org/getabs/servlet/GetabsServlet?prog=normal&id=EASPEF000015000003000537000001&idtype=cvips&gifs=Yes -
下载:
点击查看大图
计量
- 文章访问数: 177
- HTML全文浏览量: 31
- PDF下载量: 4
- 被引次数: 0
